文档介绍：缘乞科枚
2021年6月第23卷第12期
Journal of Green Science and Technology
基于卷积神经网络的车型识别
马国栋，姚善化
(安徽理工大学电气与信息工程学院，安徽淮南232000)
摘要：车辆分类识别自动化是当前道路安全和智能交通系统面临的重要挑战之一。图像处理、模式识别和
深度学习技术的发展克服了许多障碍，针对车型多、计算量大导致车型识别准确率低、效率低的问题，深度
学习的卷积神经网能够很好地解决这一问题。基于该方法实现5种车型的识别。首先，收集足够多的数据
集以此来平衡数据集(交通网获取足够多的图片数据)。其次，使用这些数据集来训练特殊的卷积神经网
模型及设置各个网络层参数。通过评估卷积层数、卷积核大小、卷积层与池化层的数量配比及各动量等参
数，实现网络性能的比较和优化及卷积核的选择。
关键词：卷积神经网络；卷积核；车型识别
中图分类号: 文献标识码：A 文章编号： 1674-9944(2021)12-0231-03
个网络之间的非线性关系，以此实现神经网络的功能。
1引言
卷积层负责特征提取。上一层的特征图经过卷积
随着人们生活水平的提高，车辆数量大幅增加，也
核进行卷积然后在函数的条件下输出所要的特征图。
致交通事故和违法犯罪增加。车辆识别在智能交通管
公式如下：
理中起着重要的作用，而车型识别是车辆识别领域的一
X = (1)
个重要方向。目前已经出现很多技术可以解决车辆分